Particle therapy uses high energy ion beams to treat tumors with increased geometrical accuracy and enhanced biological effectiveness with respect to conventional photon radiation therapy. Considering extra-cranial lesions, such advantages can be fully exploited only if physiological organ motion (e.g. respiration) is properly compensated. Tumor tracking is a motion compensation strategy currently applied in conventional radiotherapy: it consists in the real-time adaptation of the beam direction to follow the tumor motion along its trajectory. However, its application in particle therapy is challenging as the tumor motion interferes with the beam scan path and also the beam energy has to be modulated during irradiation. In light of these premises, the aim of the proposed project is the development and the experimental testing of methods for motion modelling dedicated to tumor tracking in particle therapy. The proposed methods are in the framework of the external surrogate-driven tracking. This approach involves the training of a patient-specific correspondence model describing the relationship between the internal tumor motion and the external surrogate signal. The trained model is then used during irradiation to estimate the target position in real-time. The first tracking strategy that was investigated involved the application of machine learning methods, such as state augmented polynomial models (SM), Artificial Neural Networks (ANN) and Support Vector Regression (SVR), for the fitting of the internal/external correlation function. All the proposed models were tested individually as well as in a comparative study carried out on a Cine-MRI dataset. Average tracking errors were 1.34 mm, 1.43 mm and 1.32 mm for SM, ANN and SVR, respectively. A second modelling strategy was also tested: deformable image registration was applied to time-resolved imaging (4D CT) to obtain a patient specific model, which is able to estimate the entire CT volume corresponding to a given respiratory state. Retrospective studies on four lung cancer patients reported average geometrical tracking errors of 1.4 mm. Experimental activities were carried out at GSI (Gesellschaft für Schwerionenforschung, Darmstadt, Germany) to test the feasibility of correlation models-based tumor tracking in scanned particle therapy. The experiments relied on a robotic phantom to generate external (thorax) and internal (tumor) motion. An optical tracking system monitored the thorax motion, providing the inputs for two correlation models (SM and ANN), which estimated the target position in real-time. The beam direction and energy was adapted accordingly. Results reported that the dose delivery accuracy was significantly (p < 0.01) improved when tumor tracking was applied with respect to a non-compensated irradiation. In conclusion, different motion modelling methods were investigated. All the proposed strategies were proved to achieve tracking errors lower than 1.5 mm and can be considered feasible methods for tumor tracking. The experimental activities provided a relevant proof of technical feasibility for the future clinical application of tumor tracking in particle therapy.

La terapia con particelle (adroterapia) utilizza fasci di ioni ad alta energia per trattare lesioni tumorali con maggiore accuratezza geometrica ed efficacia biologica rispetto alla radioterapia convenzionale. Nel caso di lesioni extra-craniche, tali vantaggi possono essere pienamente sfruttati solo se i movimenti dovuti a processi fisiologici, come ad esempio la respirazione, vengono adeguatemene compensati. Il tumor tracking è una strategia di compensazione del movimento attualmente applicata in radioterapia convenzionale: consiste nell'adattamento in tempo reale della direzione del fascio al fine di inseguire il movimento del tumore lungo la sua traiettoria. Tuttavia, la sua applicazione in adroterapia pone specifiche problematiche, poiché il movimento di scansione del fascio interferisce con quello del tumore ed è necessario modulare anche l'energia del fascio durante l'irradiazione. Alla luce di queste premesse, lo scopo del progetto proposto è lo sviluppo e la sperimentazione di metodi per la modellazione del movimento dedicati al tumor tracking in adroterapia. I metodi proposti sono nell'ambito tracking basato su surrogati esterni. Tale approccio prevede l’addestramento di un modello di correlazione paziente-specifico che interpreti la relazione tra il movimento interno del tumore e il segnale surrogato esterno. Il modello addestrato viene poi utilizzato durante l’irradiazione per stimare la posizione del bersaglio in tempo reale. La prima strategia di modellizzazione che è stata studiata prevede l'applicazione di metodi di apprendimento automatico, quali modelli polinomiali a stato aumentato (SM), reti neurali artificiali (ANN) e Support Vector Regression (SVR), per l’approssimazione della funzione di correlazione interno/esterno. Tutti i modelli proposti sono stati testati sia individualmente sia in uno studio comparativo effettuato su un dataset Cine-MRI. Gli errori medi di tracking sono stati quantificati in 1,34 mm (SM), 1,43 mm (ANN) e 1,32 mm (SVR). È stata studiata anche una seconda tecnica di modellizzazione, in cui la registrazione deformabile viene applicata a un dataset tomografico risolto in tempo (4D CT) per ottenere un modello di movimento paziente-specifico. Tale modello è in grado di stimare l'intero volume CT corrispondente a una determinata fase respiratoria. Studi retrospettivi condotti in quattro pazienti affetti da lesioni polmoni hanno riportato errori medi di localizzazione del bersaglio paria a 1,4 mm. Presso il centro GSI (Gesellschaft für Schwerionenforschung, Darmstadt, Germania), sono state condotte attività sperimentali per verificare la fattibilità del tumor tracking in adroterapia. Un fantoccio robotico è stato utilizzato per riprodurre le traiettorie di movimento esterne (torace) ed interne (tumore). Il movimento esterno è stato misurato attraverso un sistema di localizzazione ottica e fornito in ingresso a due modelli di correlazione (SM e ANN). Questi ultimi hanno stimato la posizione del bersaglio interno in tempo reale, fornendo al sistema di controllo del fascio i necessari parametri di tracking (direzione ed energia). I risultati ottenuti hanno mostrato che, quando si applica il tumor tracking, l’accuratezza con cui la dose viene somministrata al bersaglio migliora significativamente (p < 0.01) rispetto al caso in cui il movimento non sia compensato. In conclusione, sono stati studiati diversi metodi di modellazione del movimento. Tutte le strategie proposte hanno ottenuto errori inferiori a 1,5 mm e possono essere considerate adeguate per il tumor tracking. Le attività sperimentali hanno fornito una prova di fattibilità tecnica per la futura applicazione clinica del tumor tracking nella terapia con particelle.

Tumor tracking in particle therapy : development of dedicated methods and experimental testing

SEREGNI, MATTEO

Abstract

Particle therapy uses high energy ion beams to treat tumors with increased geometrical accuracy and enhanced biological effectiveness with respect to conventional photon radiation therapy. Considering extra-cranial lesions, such advantages can be fully exploited only if physiological organ motion (e.g. respiration) is properly compensated. Tumor tracking is a motion compensation strategy currently applied in conventional radiotherapy: it consists in the real-time adaptation of the beam direction to follow the tumor motion along its trajectory. However, its application in particle therapy is challenging as the tumor motion interferes with the beam scan path and also the beam energy has to be modulated during irradiation. In light of these premises, the aim of the proposed project is the development and the experimental testing of methods for motion modelling dedicated to tumor tracking in particle therapy. The proposed methods are in the framework of the external surrogate-driven tracking. This approach involves the training of a patient-specific correspondence model describing the relationship between the internal tumor motion and the external surrogate signal. The trained model is then used during irradiation to estimate the target position in real-time. The first tracking strategy that was investigated involved the application of machine learning methods, such as state augmented polynomial models (SM), Artificial Neural Networks (ANN) and Support Vector Regression (SVR), for the fitting of the internal/external correlation function. All the proposed models were tested individually as well as in a comparative study carried out on a Cine-MRI dataset. Average tracking errors were 1.34 mm, 1.43 mm and 1.32 mm for SM, ANN and SVR, respectively. A second modelling strategy was also tested: deformable image registration was applied to time-resolved imaging (4D CT) to obtain a patient specific model, which is able to estimate the entire CT volume corresponding to a given respiratory state. Retrospective studies on four lung cancer patients reported average geometrical tracking errors of 1.4 mm. Experimental activities were carried out at GSI (Gesellschaft für Schwerionenforschung, Darmstadt, Germany) to test the feasibility of correlation models-based tumor tracking in scanned particle therapy. The experiments relied on a robotic phantom to generate external (thorax) and internal (tumor) motion. An optical tracking system monitored the thorax motion, providing the inputs for two correlation models (SM and ANN), which estimated the target position in real-time. The beam direction and energy was adapted accordingly. Results reported that the dose delivery accuracy was significantly (p < 0.01) improved when tumor tracking was applied with respect to a non-compensated irradiation. In conclusion, different motion modelling methods were investigated. All the proposed strategies were proved to achieve tracking errors lower than 1.5 mm and can be considered feasible methods for tumor tracking. The experimental activities provided a relevant proof of technical feasibility for the future clinical application of tumor tracking in particle therapy.
SIGNORINI, MARIA GABRIELLA
POZZI, GIUSEPPE
RIBOLDI, MARCO
13-mar-2014
La terapia con particelle (adroterapia) utilizza fasci di ioni ad alta energia per trattare lesioni tumorali con maggiore accuratezza geometrica ed efficacia biologica rispetto alla radioterapia convenzionale. Nel caso di lesioni extra-craniche, tali vantaggi possono essere pienamente sfruttati solo se i movimenti dovuti a processi fisiologici, come ad esempio la respirazione, vengono adeguatemene compensati. Il tumor tracking è una strategia di compensazione del movimento attualmente applicata in radioterapia convenzionale: consiste nell'adattamento in tempo reale della direzione del fascio al fine di inseguire il movimento del tumore lungo la sua traiettoria. Tuttavia, la sua applicazione in adroterapia pone specifiche problematiche, poiché il movimento di scansione del fascio interferisce con quello del tumore ed è necessario modulare anche l'energia del fascio durante l'irradiazione. Alla luce di queste premesse, lo scopo del progetto proposto è lo sviluppo e la sperimentazione di metodi per la modellazione del movimento dedicati al tumor tracking in adroterapia. I metodi proposti sono nell'ambito tracking basato su surrogati esterni. Tale approccio prevede l’addestramento di un modello di correlazione paziente-specifico che interpreti la relazione tra il movimento interno del tumore e il segnale surrogato esterno. Il modello addestrato viene poi utilizzato durante l’irradiazione per stimare la posizione del bersaglio in tempo reale. La prima strategia di modellizzazione che è stata studiata prevede l'applicazione di metodi di apprendimento automatico, quali modelli polinomiali a stato aumentato (SM), reti neurali artificiali (ANN) e Support Vector Regression (SVR), per l’approssimazione della funzione di correlazione interno/esterno. Tutti i modelli proposti sono stati testati sia individualmente sia in uno studio comparativo effettuato su un dataset Cine-MRI. Gli errori medi di tracking sono stati quantificati in 1,34 mm (SM), 1,43 mm (ANN) e 1,32 mm (SVR). È stata studiata anche una seconda tecnica di modellizzazione, in cui la registrazione deformabile viene applicata a un dataset tomografico risolto in tempo (4D CT) per ottenere un modello di movimento paziente-specifico. Tale modello è in grado di stimare l'intero volume CT corrispondente a una determinata fase respiratoria. Studi retrospettivi condotti in quattro pazienti affetti da lesioni polmoni hanno riportato errori medi di localizzazione del bersaglio paria a 1,4 mm. Presso il centro GSI (Gesellschaft für Schwerionenforschung, Darmstadt, Germania), sono state condotte attività sperimentali per verificare la fattibilità del tumor tracking in adroterapia. Un fantoccio robotico è stato utilizzato per riprodurre le traiettorie di movimento esterne (torace) ed interne (tumore). Il movimento esterno è stato misurato attraverso un sistema di localizzazione ottica e fornito in ingresso a due modelli di correlazione (SM e ANN). Questi ultimi hanno stimato la posizione del bersaglio interno in tempo reale, fornendo al sistema di controllo del fascio i necessari parametri di tracking (direzione ed energia). I risultati ottenuti hanno mostrato che, quando si applica il tumor tracking, l’accuratezza con cui la dose viene somministrata al bersaglio migliora significativamente (p < 0.01) rispetto al caso in cui il movimento non sia compensato. In conclusione, sono stati studiati diversi metodi di modellazione del movimento. Tutte le strategie proposte hanno ottenuto errori inferiori a 1,5 mm e possono essere considerate adeguate per il tumor tracking. Le attività sperimentali hanno fornito una prova di fattibilità tecnica per la futura applicazione clinica del tumor tracking nella terapia con particelle.
Tesi di dottorato
File allegati
File Dimensione Formato  
2014_3_PhD_Seregni.pdf

non accessibile

Descrizione: Testo della tesi
Dimensione 7.24 MB
Formato Adobe PDF
7.24 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/89826